聚焦高水平人工智能研究，優化心血管介入精準施治

陳韻岱

心血管疾病是全球范圍內患病率和致死率最高的疾病之一［1］。據《〈中國心血管健康與疾病報告2022〉概要》報道［2］，我國心血管疾病的現有患病人數約為3.3億，約占我國現有人口總數的1/4。嚴峻的疾病現狀提示著采取行之有效的精準防控手段刻不容緩。因此，國家衛生健康委聯合多部門共同制定了《健康中國行動—心腦血管疾病防治行動實施方案（2023-2030年）》，旨在協調各方、統籌兼顧、創新驅動、精準防治，切實尋求改善心血管疾病發展現狀的“救治良方”。

新興技術的產生帶動著傳統技藝的革新。近年來，計算機技術的迅猛發展為醫學研究提供了新的延展方向，極大地改變了科學發展格局和前進速度，同時也豐富了科學研究的思路。作為計算機技術的重要研究分支，人工智能是一項模仿人類思維、學習和記憶能力的技術，目前已廣泛應用于心血管疾病的防治領域，在智能化心血管疾病監測、精準化心血管疾病診斷、最優化治療策略制定等多方面提供了新的解決方法，已逐步成為業界關注的焦點［3］。近年來，我國基于人工智能的醫學研究刊文量逐步上升，高質量研究層出不窮，已有多家大型醫學中心與工程學研究團隊合作融合，牽頭開展基于人工智能技術的心血管疾病相關關鍵問題研究，逐步建立起科技含量高、臨床應用廣、轉化價值高的心血管疾病人工智能診療輔助體系，為從工學角度解決臨床問題提供了新思路、新方法、新動能。

令人欣喜的是，人工智能的快速發展也為心血管介入這項傳統優勢技藝注入了新的活力，不僅從介入精準化提升、介入新技術探索等方面實現了介入技術的更新迭代，也提出了智能化介入醫療的新理念。因此，在人工智能驅使精準介入治療時代到來之際，如何持續創造高質量人工智能研究成果，并推動高水平研究成果落地轉化成為研究人員關注的焦點。

1 基于人工智能的“精準”介入新方案

隨著心血管介入理念的不斷更新，精準化介入治療逐漸成為業界共識。人工智能技術在術前指征評估、術中路徑導航及術后療效評估等方面的應用不斷擴展。近年來，隨著以冠狀動脈CT血管造影（coronary CT angiography， CCTA）為代表的無創影像學技術的快速發展，基于人工智能技術的無創影像學衍生指標［如冠狀動脈CT血流儲備分數（CT-fractional flow reserve，CT-FFR）、定量血流分數（quantitative flow ratio，QFR）、瞬時無波形比值（instantaneous wavefree ratio，iFR）］在術前臨界病變評估方面起到了彌足輕重的作用，從功能學評估角度實現了臨界病變的缺血評估。日前，筆者所在中心牽頭完成了世界首個基于機器學習CT-FFR現場部署策略的多中心臨床研究，發現CT-FFR可將非阻塞冠心病的造影檢出率降低45%，診療成本降低約8.3%［4］。同時，CT-FFR還可以應用于真實世界支架術后患者，解決傳統解剖學狹窄對支架術后患者診斷不準確的問題［5］，真正成為導管室的“守門人”和“追蹤者”。 值得注意的是，CT-FFR在重度鈣化病變缺血程度判斷方面具有局限性，而高密度鈣化病變產生偽影導致無法準確界定管腔邊界是CT-FFR診斷效能下降的主要原因。目前，光子計數CT（Photoncounting CT，PCCT）［6］等CT采集新技術的革新提升了CT的時空分辨率，增加了信息的可讀性，為進一步提高重度鈣化病變的管腔識別能力提供了可能。此外，基于深度學習算法的鈣化病變分割和量化可以更好地評估重度鈣化病變對CT-FFR診斷效能的影響。另外，多模態融合成像技術可以實現多種影像學技術的優勢互補，彌補單一影像學技術的短板和劣勢，有助于提高診斷準確性，未來值得進一步加以探索。

術中路徑導航是基于人工智能技術的精準化心血管介入的重要方法，廣為人知的臨床應用如FFRCTPlanner［7］、CathWorks FFRangio［8］等。前者基于深度學習算法實現了冠狀動脈狹窄的術中虛擬治療建模，后者則基于血管造影的FFR和流體力學參數實現術中靶病變的功能學及解剖學的同步評估，實現了術中病變治療的精準導航。無獨有偶，混合現實技術、3D打印技術、增強現實技術等前沿人工智能技術也對心血管疾病介入的智能化和精準化發展起到重要作用［9］。其中，虛擬三維重建和模擬手術入路等特有技術模塊，可以為術者提供復雜病變解剖結構的模擬可視化，解決肉眼判斷所帶來的相對誤差，實現術程的精準操作。此前，筆者曾成功實現全球首例混合現實技術支撐的下腔靜脈濾器植入術，為該技術的推廣應用積累了寶貴的實踐經驗。無獨有偶，人工智能技術在血管內超聲（intravascular ultrasound，IVUS）、光學相干斷層成像（optical coherence tomography，OCT）等腔內影像學圖像分析方面展現了極大的潛力，可以實現快速、精準的術中腔內影像學分析，在冠狀動脈易損斑塊精準分析和介入決策制訂等方面具有重要作用［10］。雖然，該技術存在數據質量偏倚、成像分析耗時、圖像分析誤差等諸多挑戰，但筆者相信，經過大規模數據穩健開發、測試和驗證的人工智能模型仍有潛力改善冠狀動脈易損斑塊影像的評估，進一步改善冠心病患者的診斷和預后。

近年來，人工智能在結構性心臟病的精準診治應用正在逐漸起步，已有多家單位開展了基于人工智能的輔助診療系統、智能建模導航、智能診斷評估以及實時手術追蹤等智能化介入輔助技術，不僅推動了心臟電生理介入技術的精準化發展，也為先天性心臟病、心臟瓣膜病及心肌疾病等重點領域的科研創新發展賦能。日前，Yuan等［11］利用生成對抗網絡技術識別竇性心律心電圖中的心房顫動高危因素，精準實現了心房顫動的自動識別和早期篩查。也有研究聚焦于基于人工智能的心房顫動患者血栓預測模型研究，實現了對心房顫動患者血栓形成風險的有效評估，可以為血栓識別和早期防治提供新的解決思路，對解決我國腦卒中大國的現狀具有重要臨床意義［12］。人工智能還可應用于高危心肌肥厚的早期識別領域，基于心臟磁共振成像（magnetic resonance imaging，MRI）實現了肥厚型心肌病的心肌纖維化自動識別分析，同時，基于CT的高危心肌肥厚表型特征研究也在加快開展。近年來，國內的莊建團隊深入先天性心臟病的手術輔助關鍵技術探索，搭建了心血管人工智能與3D打印技術平臺。經過多年耕耘，基本實現了常見先天性心臟病的智能建模和診斷，取得了一系列令人鼓舞的成果［13］。該團隊還建立了人工智能輔助下基于CT原始圖像和臨床參數的完全性肺靜脈異位引流術后肺靜脈梗阻的預測模型，開啟了結構性心臟病數據挖掘的新探索。

近年來，影像學研究的快速發展衍生出了定量、深層次的影像組學分析方法。作為人工智能技術的重要研究分支，影像組學技術［14］可以深入挖掘影像學圖像中肉眼無法識別的高維度紋理特征，在充分特征挖掘、篩選和建模預測后，可以在心臟疾病的精準診療、風險分層及預后評估等方面產生巨大潛力。目前，影像組學技術在冠狀動脈周圍脂肪分析［15-16］、斑塊特征提?。?7］、左心耳血栓識別［18］、心律失常監測［11］等多個研究領域具有一定的應用價值，充分擴寬了影像學分析的深度和維度。值得注意的是，影像組學研究在心血管疾病領域的研究尚淺，面臨著圖像采集標準不一、圖像數據質量不齊、應用轉化效能不足等一系列問題。未來需要進一步優化原始數據質量控制、規范影像組學研究流程、實現多點區域聯動研究，為實現高質量、深層次醫學影像分析賦能增值。

2 基于人工智能的“前沿”介入新技術

心血管介入技術的不斷發展離不開層出不窮的前沿新技術的保駕護航。血管介入機器人是人工智能在介入治療應用領域的一個新突破，近年來，計算機視覺技術和影像學分析等人工智能的迅速發展為血管介入機器人的研制提供了可能。截至目前，國內外已有多種血管介入機器人實現了臨床應用，如CorPath?GRX機器人系統、Verb Surgical系統、Corindus系統、R-ONE?系統等［19-20］。血管介入機器人可以有效實現術中精準解剖學定位和結構識別，有助于提高手術操作精度，減少醫患輻射暴露。雖然，血管介入機器人的研發仍處于起步階段，尚需針對機器人操作精細度、操作速度及臨床應用價值等多角度開展探索，但筆者相信隨著涵蓋臨床醫學、工程學及計算機科學的跨學科團隊的持續探索，最終將促使這一技術轉化落地和推廣。

人工智能技術不僅在心血管介入器械革新上起到輔助作用，還著眼于心血管介入治療的戰線前移。其中，基于5G技術的遠程醫療［21］是一項劃時代的醫工結合創新，該技術自提出之日起，則迅速打破了各地醫療中心之間的地理隔閡，使得跨區域醫學交流和疾病救治成為可能。目前，我國范圍內已有部分醫院開展了5G智慧醫院、5G救護車、遠程會診中心等智慧醫學建設探索，筆者所在中心也創新性地建設了信息化介入手術間，有條件實現造影圖像的多中心轉播共享，并實現了全國首例機器人輔助下5G遠程冠狀動脈介入手術。隨著6G技術的開發和部署，未來有助于減少地區間醫療水平差異，使得更多來自偏遠地區的心血管疾病患者享受到現代醫學進步的福利。此外，以“遠程心電實驗室”、“智能可穿戴設備”等為代表的智能化遠程醫療管理系統實現了心血管疾病患者的心電數據采集、云端上傳、遠程診斷及遠程預測，足以實現急性心臟事件的精準捕捉，實現與胸痛中心、卒中中心和創傷中心等醫療中心的關聯互動，減少院外急性心血管疾病的漏判誤判，真正發揮心血管疾病監測的“前哨站”作用［22-23］。另外，基于人工智能的虛擬影像生成技術［24］使得從非對比圖像中生成增強圖像成為可能，預示著無對比劑CT大血管成像時代的啟動，有助于無創、快速的高危胸痛患者的急診診斷評估和治療指導，有力促進了高危胸痛診治的陣線前移。

人工智能技術的成熟和發展走向逐步趨近于醫學大模型的構建和驗證。隨著數據量的擴增和數據結構的加深，以自然語言處理及預測模型構建為基礎的醫學人工智能大模型逐漸成為未來發展方向。相異于傳統疾病預測模型，大模型以“大”字為先，納入海量數據開展弱監督數據特征學習，實現真正意義上的全智能醫學診療模型構建。目前，國內外部分團隊在心血管疾病診療預測大模型領域開始起步，如Avram等［25］構建的CathAI模型和基于深度學習技術的心房顫動相關左心耳血栓預測模型［26-27］，可以實現基于冠狀動脈造影圖像的冠狀動脈狹窄全自動高效能分析、主動脈瓣復合體的解剖危險因素分析以及左心耳血栓的術前無創智能監測，為深入推動智能化醫療體系構建提供了循證證據和寶貴經驗。

3 展望

人工智能的發展日新月異，在心血管疾病診療領域的應用也日漸深入，從工學角度促成了一大批臨床關鍵問題的解決，已經成為現代心血管介入輔助技術的重要部分，為實現智能化、數字化、精準化醫療提供了諸多可能。然而，無限機遇也伴隨著重大挑戰。（1）如何實現復雜人工智能模型的臨床可解釋性分析，實現人工智能分析與臨床實際應用場景的融合，是人工智能相關研究亟須解決的痛難點問題。相異于工程學建模研究，醫學人工智能研究對于臨床解釋程度極為重視。目前，多種可視化技術（Grad-CAM、TCAV、SHAP等）正逐步被應用于人工智能的可解釋性分析，有助于構建高效、簡明、實用的人工智能模型［28］，使得臨床醫師對于模型輸出結果的理解更為充分，著力推進人工智能輔助醫療診治工作的部署。（2）匿名化標注數據集的可用性、復雜性及模型泛化性是人工智能研究的重要關注點?，F有醫學人工智能研究普遍存在數據質量參差不齊，模型過擬合或欠擬合比例偏高等問題，限制了模型推廣和臨床應用。為此，在保證嚴格數據質量控制的前提下，研究人員開發了遷移學習、數據增強技術等計算機技術，使用小樣本數據實現模型預訓練和模型微調，最終實現擬合程度好、泛化能力強的人工智能模型。（3）雖然已有多項高質量人工智能研究被發表，但總體高質量研究數量有限，尚無大規模、前瞻性隨機對照試驗用于心血管成像人工智能工具的臨床效果評估，也未制定人工智能工具應用的標準化流程和成本效益分析。（4）數據隱私、安全性及倫理問題也是目前醫學人工智能研究的重要問題。隨著原始數據開源需求量的逐漸增加，大量患者隱私數據存在保密性不足、安全性欠佳等問題。目前，研究人員可采用加密技術和匿名化處理，同時需建立完善的數據安全管理和監控機制，確保數據的完整性和安全性。（5）如何保持醫工交叉研究團隊的高度融合，培養更多擁有交叉學科建設思維的后備骨干，為推動高質量人工智能研究落地轉化儲備力量，還需要一代代科研人員久久為功。

總之，人工智能技術方興未艾，應用范圍廣泛，發展前景光明，對臨床診療和科學研究均有開創意義。作為扎根心血管領域的探索者，需要牢牢把握人工智能快速發展機遇，持續培育創新發展意識，搭建醫工交叉平臺，將新興研究成果應用于介入技術和介入理念的革新，創造出更多高質量人工智能研究成果，進而推動先進技術和科研成果的轉化落地和臨床應用，為心血管疾病患者的臨床救治和風險評估提供新思路和新方法，最終為廣大心血管疾病患者帶來福音。

利益沖突 作者聲明不存在利益沖突